logo of mi

小米大模型算法研究员

社招全职A212487地点：北京状态：招聘

任职要求

1. 学术能力：
  - 精通深度学习、强化学习（RL）、自然语言处理（NLP）等领域，具备创新研究能力。
  - 在相关领域的国际顶会或期刊发表高质量论文（如 NeurIPS、ICML、CVPR、ICLR、ACL 等）。
  - 在领域内知名比赛（NOI、IOI、IPhO、ACM、Kaggle 等）中取得优异成绩者优先。
2. 编程能力：
  - 熟练掌握 Python、C++ 或其他编程语言，具备扎实的数据结构与算法基础。
  - 熟悉主流深度学习框架（如 PyTorch、TensorFlow），能够高效实现复杂模型。
3. 实战经验：
  - 有大型模型训练及优化经验者优先，熟悉 LLM（大语言模型）训练和应用全流程。
  - 有影响力的项目经验或相关实习经历者优先。
4. 团队合作与沟通能力：
  - 具备优秀的团队协作和沟通能力，能够推动团队共同解决复杂技术问题。
加分项
- 熟悉大型模型训练技术，包括预训练、SFT（监督微调）、RLHF&O1（基于人类反馈的强化学习）。
- 在多模态建模（如图像-文本、语音-文本对齐）领域有相关研究经验。
- 对 LLM 的推理和规划有深入

工作职责

1. 创新深度神经网络设计：
  - 开发新颖、开拓性的深度神经网络架构，推动深度学习领域的基础研究。
  - 针对多模态（文本、图像、语音等）设计优化模型，提高模型的泛化能力和应用性能。
2. 科学评测体系构建：
  - 构建科学严谨的算法评测方法，系统评估模型的性能。
  - 探索模型能力的潜在机制，推动模型优化和创新。。
3. 高质量数据合成与处理：
  - 通过数据生成、扩充和重写等方法，创建大规模、高质量的训练数据集。
  - 结合指令调优、偏好对齐等技术提升数据质量与模型表现。
4. 强化学习优化：
  - 研究并实施基于RLHF/RLAIF的偏好对齐技术，提升模型在多领域的应用能力。
  - 探索和优化主动学习、课程学习等有效的大模型训练方法。
📮 投递简历✨AI模拟面试
包括英文材料
深度学习+
强化学习+
NLP+
NeurIPS+
ICML+
CVPR+
ICLR+
Kaggle+
Python+
C+++
数据结构+
算法+
PyTorch+
TensorFlow+
大模型+
SFT+
相关职位
logo of meituan
大模型算法研究员
社招3年以上核心本地商业-业

AI赋能下沉业务，优化业务流程，提升业务效能。 1、大模型高效微调方法，包括数据采样与增强、微调技术探索等，持续提升模型的知识覆盖、推理、工具调用，长文本，RAG等相关能力； 2、大模型对齐方法，包括对齐策略迭代、奖励模型优化、数据构造与优化等，提升模型在安全、可信，风格等方面的表现； 3、基于LLM/VLM的Agent构建，包括通用Agent构建、Computer-Use能力探索、FunctionCall能力评估与增强等； 4、探索前沿的大模型相关技术，包括但不限于MoE、原生多模态、长文本技术、智能体构建等，并将前沿技术应用在业务中； 5、视觉-语言模型(VLM)优化方法，包括视觉-语言的特征对齐、VLM的优化和评估等；

更新于 2025-04-09
logo of mi
大模型算法研究员
社招A86773

1. 创新深度神经网络设计： - 开发新颖、开拓性的深度神经网络架构，推动深度学习领域的基础研究。 - 针对多模态（文本、图像、语音等）设计优化模型，提高模型的泛化能力和应用性能。 2. 科学评测体系构建： - 构建科学严谨的算法评测方法，系统评估模型的性能。 - 探索模型能力的潜在机制，推动模型优化和创新。。 3. 高质量数据合成与处理： - 通过数据生成、扩充和重写等方法，创建大规模、高质量的训练数据集。 - 结合指令调优、偏好对齐等技术提升数据质量与模型表现。 4. 强化学习优化： - 研究并实施基于RLHF/RLAIF的偏好对齐技术，提升模型在多领域的应用能力。 - 探索和优化主动学习、课程学习等有效的大模型训练方法。

更新于 2025-03-17
logo of mi
大模型算法研究员
社招3年以上A47174

1. 基于海量多模态感知数据，利用大模型微调等技术建立端侧和云端用户感知能力，应用在手机、汽车、IoT场景； 2. 负责IoT主动智能推荐算法优化，探索基于大模型的生成式推荐技术，提升IoT智能推荐决策能力； 3. 负责优化小爱从用户对话中提取记忆的能力，并应用在个性化场景中；

更新于 2025-06-03
logo of jd
大模型算法研究员
社招算法开发岗

1.研究实现AGI的关键能力，通过技术愿景驱动研究工作。负责大语言模型和多模态大模型的训练和优化（包括预规划、后训练等）长期课题的研究，提升大语言模型的能力，并在广泛业务场景中产生价值。 2.负责LLM训练相关的工作，包括后预训练、Instruction Tuning以及强化学习等； 3.深入参与数据及评估体系建设、大规模训练、指令微调、偏好对齐、模型优化等关键工作； 4.探索大模型底层技术突破，深入大模型基础架构前沿研究（如MoE、注意力机制、x等），探索新型架构和技术创新。

更新于 2025-07-22